太湖水体叶绿素浓度反演模型适宜性分析

为确定适合太湖水体叶绿素的反演算法,为同类卫星数据的建模和应用提供参考,本文根据太湖2007年11月、2009年4月和2011年8月实测水质参数以及同步光谱数据,结合水色遥感传感器MODIS、MERIS、GOCI及我国自主发射的HJ-1号卫星CCD传感器波段参数,基于差值模型、比值模型、三波段模型及APPEL模型,分别建立太湖水体叶绿素浓度反演模型,并分析模型的适宜性.结果显示,基于不同传感器数据APPEL模型的决定系数为0.7308~0.8107,模型相对误差为15%~24%,均方根误差为21%~32%;三波段模型基于不同传感器数据拟合的决定系数为0.6014~0.7610,相对误差为28%~36%,相对均方根误差为39%~46%;差值模型决定系数为0.4954~0.7244,相对误差为39%~53%,相对均方根误差为51%~72%;比值模型决定系数为0.4918~0.7098,相对误差为41%~55%,相对均方根误差为56%~75%.相比较而言,APPEL模型的稳定性较强,适合于不同传感器数据的太湖水体叶绿素浓度的反演.此外,相应不同传感器波段位置、波段宽度对模型反演的精度和稳定性的影响也不同,当波段位置接近叶绿素特征波长时,较窄的波宽有利于模型精度的提高,波段位置和叶绿素浓度特征波长相差较大时,合理增加波谱范围有利于叶绿素特征信息的获取.     

基于主成分降维的总悬浮物浓度遥感估算模型适用性分析

总悬浮物浓度(C_TSM)是水质评价的重要参数.为了提高内陆Ⅱ类水体总悬浮物浓度估算的精度,利用主成分分析方法对2009年4月太湖水体实测高光谱数据进行降维处理,进而以不同数量的主成分作为变量,分别构建总悬浮颗粒物浓度的多元线性回归估算模型并比较这些模型的效果,从而确定最优的主分量个数;结合近年运行的高光谱传感器,对模型的适用性进行评价.结果表明:①前三个主成分(PC₁、PC₂、PC₃)从不同侧面涵盖了悬浮物浓度信息,它们与ln(C_TSM)的相关系数分别为0.728、0.401和0.403;②当主成分个数为6时,模型达到最优;模型的精度高于4个传统经验模型;③在400~850 nm之间,波段数大于45的高光谱传感器数据都能利用主成分分析的方法构建精度较高的总悬浮物浓度估算模型;此外,MERIS、HJ1-HSI、Hyperion和CHRIS这些常用的高光谱传感器的波段设置,都适合于主成分建模.     

基于OLCI数据的洱海叶绿素a浓度估算

海陆颜色仪(OLCI)是搭载在Sentinel-3上的新型水色遥感传感器,其对于内陆清洁水体水质遥感监测的适用性有待验证.本研究以评价水体富营养化程度的重要参数叶绿素a(Chl.a)浓度为指标,以高原湖泊洱海为研究区,基于2017年4月19日共20个星地同步实验数据,建立了3种可应用于OLCI数据的Chl.a浓度遥感估算模型(波段比值模型、三波段模型以及FLH模型),并估算了当日洱海Chl.a浓度的空间分布.结果表明:(1)选用波段Oa8(665 nm)、Oa11(708.75 nm)和Oa12(753.75 nm)构建的三波段模型最适用于洱海水域的Chl.a浓度估算,其平均绝对误差百分比为12.37%,低于波段比值模型的16.04%和FLH模型的13.50%;(2)对OLCI使用的大气校正方法中,基于去瑞利散射的暗像元法对估算模型的适用性要优于6S、FLAASH以及QUAC方法;(3)洱海OLCI影像中近岸水体受邻近效应影响严重,近红外波段Oa12(753.75 nm)受陆地邻近效应影响的距离为1~2个像元,而Oa8(665 nm)、Oa10(681.25 nm)和Oa11(708.75 nm)波段为1个像元;(4)2017年4月19日全湖Chl.a浓度均值为12.15±5.72μg/L,洱海中部水域Chl.a浓度最低(9.00~12.00μg/L),北部水域浓度最高(12.00~22.76μg/L),南部水域浓度稍高(12.00~14.00μg/L),阳南溪与波罗江入湖口受降雨径流的影响出现"羽流现象",导致Chl.a浓度偏低,约为8.33μg/L.     

HJ-1B/IRS热红外数据反演太湖水温的方法比较

太湖是我国典型的富营养化湖泊,水温是影响太湖藻类生长的重要环境因子之一,我国环境减灾卫星HJ-1B搭载的红外多光谱相机IRS对太湖水温动态遥感监测具有较大的性能优势.利用6景过境太湖的IRS热红外遥感影像,分别采用单通道普适性算法、辐射传输模型法和单窗算法反演太湖水温,并与实测水温和同期的TERRA/MODIS温度产品进行对比.结果表明,普适性单通道算法反演水温偏高,而辐射传输模型法和单窗算法则偏低;3种算法反演水温的均方根误差在1.001 K以内,单窗算法反演精度最高,其次是辐射传输模型法,再次为普适性单通道算法,而同期MODIS温度产品的均方根误差为1.507 K.3种算法从IRS热红外数据反演的水温直方图均呈正峰态、尖峰状态分布,反演结果能真实地反映太湖水温的空间分布特征.本研究对只有单个热红外通道的卫星传感器开展内陆水体水温遥感监测具有一定的参考意义.     

秋季太湖水下光场结构及其对水生态系统的影响

水生态系统中光能的分配很大程度上决定了水生态系统的结构和功能,利用2007年11-12月太湖水体光学特性和组分浓度数据,对秋季太湖水下光场结构特征和水体组分光竞争能力的表征光学量(漫衰减系数、平均余弦)和影响因素(吸收系数比重)进行了分析研究.结果表明,秋季太湖水下辐照度呈现单峰分布,最高值为583nm左右:根据Kd可将黄质和非色素物质主导程度的强弱分为弱、较强、强三个等级;Kd(PAR)平均值为4.61±1.54m-1,水体真光层厚度平均值为1.11±0.35m;太湖水下光场的光能主要分布在青光和黄绿光波长范围内,约占总能量的60%,蓝光和红光波长范围内的能量约占30%,这样的光谱结构有利于铜绿微囊藻和斜生栅藻的生长.     

应用时间序列分析法对太湖叶绿素-a含量的动态研究

叶绿素-α是湖泊浮游植物现存量的重要指标，其含量能反映水中浮游植物的丰度和变化规律。研究叶绿素含量的动态变化，可以有效防止、监控湖泊富营养化的发生。以太湖为研究对象，根据其营养水平进行分区，使得不同区域内叶绿素的浓度不同，而同一区域内浓度大体一致，然后利用地理信息系统技术对每个区域内未采样点的叶绿素浓度进行插值，取区域内所有栅格的平均值作为其最终浓度。应用时间序列分析方法对太湖1998-2004年每月的叶绿素含量进行动态模拟，建立各湖区的预测模型。结果表明，中营养区I符合MA（1）模型，轻富营养区Ⅱ和中富营养区Ⅲ符合AR（1）模型，富营养区Ⅳ符合MA（5）模型，重富营养区V符合AR（6）模型。由此预测出2005年各湖区总叶绿素的含量，经前10个月实测数据的验证说明，所建模型在一定程度上能反映太湖各区域叶绿素浓度的变化。     

芦苇地叶面积指数的遥感反演

 叶面积指数（LAI）是植被冠层结构的一个重要参数，它的改变标志着植被发生了生物物理变化。本文提出了一种利用混和模型 从TM图像上获取叶面积指数的方法。首先，利用冠层反射率（FCR）模型计算并得到查找表； 然后，利用从查找表得到的统计关系进行 LAI制图。试验表明，该方法简单易行，并可较精确地用来反演芦苇地的叶面积指数。     

用LAI监测植被信息分析飞蝗生境

东亚飞蝗自20世纪80年代以来在我国再度猖獗危害。本文选择国家一类蝗区河北省黄骅市为实验区,用植被冠层孔隙度反演了该地区不同植被的LAI。从光学模型建立机理及数量分析的角度,分析和对比了四种由植被冠层孔隙度反演LAI的算法。结果表明,在四种估算方法中LAI-2000算法最适用于研究区植被LAI的估算。为了验证分析结果,用实测的植被盖度与四种算法反演的LAI进行了拟合。发现LAI与植被盖度之间呈明显的正相关关系,且LAI-2000算法最能反映研究区的植被特征。在此基础上,建立了LAI与飞蝗发生面积的关系模型,发现两者之间呈负线性相关,即随着LAI的减小,飞蝗的发生面积呈线性增大。研究结果为实时、快速、大面积监测蝗虫种群动态奠定了基础,并为合理、经济地防治蝗灾提供了科学依据。     

太湖秋季水体体散射和散射相函数特征

利用Fournier and Forand(FF)体散射函数近似计算方法模拟太湖水体的体散射函数以及散射相函数,进而分析太湖水体体散射函数和散射相函数的特性,以及与波段、深度之间的变化关系,空间分布差异。研究表明,太湖水体体散射函数表现为具有极强前向散射特性的大颗粒物散射特征,体散射函数随波段变化的差异性主要体现在后向方向上,散射相函数的变化规律与体散射函数较为相似;而随着深度的变化体散射函数几乎没有变化,但散射相函数表现出了较为明显的层状特征;体散射函数和散射相函数在空间上表现出了较大的差异性,这种差异性随着散射角的增大而不断地加强。     

太湖水体后向散射特性模拟

为研究太湖水体后向散射系数的光学特性,利用太湖实测数据和半分析方法与光学闭合(Optical Closure)原理,对太湖水体的后向散射系数进行模拟,在此基础上对其光学特性和影响因子进行分析.研究结果表明:由于悬浮物浓度的差异,使得太湖水体后向散射系数具有明显的差异性,后向散射主要由无机悬浮物引起,浮游藻类对后向散射系数的贡献较小;由于悬浮物来源不同,使得悬浮物粒径分布、形状以及组成成分不同,导致太湖水体单位后向散射系数存在一定变化;以550 nm作为参考波段对太湖后向散射系数进行参数化,得出该波段后向散射系数与悬浮物浓度具有很好的线性关系,其指数在1.32~2.8之间变化,平均值为2.09.